[发明专利]一种基于DBN的电压暂降特征提取与暂降源辨识方法

说明书

本发明公开了一种基于DBN的电压暂降特征提取与暂降源辨识方法，包括：数据获取：采集了由各种短路故障、变压器投切及电动机启动引起的电压暂降数据；数据预处理：将待匹配暂降波形进行滤波、消噪并提取凹陷域，统一时间序列长度，进行标准化计算，将所有暂降数据划分为训练集和测试集；训练DBN模型：将训练集数据与训练集标签批量输入模型，训练DBN的特征提取能力与分类能力；暂降源类型识别：将测试集数据输入DBN模型，利用训练好的模型对测试集数据进行特征提取与电压暂降源辨识。本发明在特征提取能力上具有更高的优越性，在暂降源识别能力上具有更高的准确性，精简了暂降源辨识模型的结构框架，提高了暂降源辨识效率，应用价值和前景巨大。

技术领域

本发明属于电能质量扰动源识别领域，尤其涉及一种基于DBN的电压暂降特征提取与暂降源辨识方法。

背景技术

随着工业装备、建筑电气自动化及智能化水平越来越高，电压暂降问题对于工商业大用户的生产经营影响也越来越显著，特别是半导体制造、精密仪器加工、汽车制造等大量应用电力电子设备的工业，对电压暂降十分敏感，当电压有效值低于90％持续时间达到1～2周波以上时就会跳闸停运。电压暂降是一种常见的电能质量问题，电动机启动、变压器投切、短路故障等都会引起电压暂降现象，因电压暂降干扰而导致的生产中断和延缓呈明显的上升趋势，由此带来的直接及间接经济损失日趋严重，这对供电质量提出了更高要求。不同暂降源引起的电压波形特征是不同的，准确识别暂降源能有针对性地对当地的电压暂降情况进行分析、补偿和抑制，同时可作为电力供应部门和用户之间协调纠纷的依据，是治理电压暂降问题中必不可少的步骤。

电压暂降源辨识方法作为目前的研究热点，吸引了众多国内外学者参与相关研究。目前电压暂降源识别方法主要包括信息采集、特征提取、样本训练和分类辨识这几个主要步骤，主要针对电压暂降的波形特征展开研究，通过提取合理特征量，对大量样本进行训练进行电压暂降源识别，并获得众多成果。算法基本思想为利用双小波变换、Prony法、S变换等方法将暂降时域特性转变为频域特性，依据人为设定特征项进行特征量提取，再采用神经网络、支持向量机算法等分类模型进行暂降源识别。现有的一些电压暂降源识别方法目前存在的问题有：在时频转换过程中无法避免部分周期性不强的波形信息丢失，这直接导致了特征提取和电压暂降源辨识的不准确性。人工设定特征需建立在对待提取数据有一定理解的基础上，先依靠专家经验选择希望提取的目标特征，再使用各种手段对暂降特征进行针对性的提取，而随着新型设备逐渐渗透电网，给电网造成越来越多未知影响，依赖专家经验的人工设定特征显然不具备普适性。现阶段大量研究已证明浅层机器学习模型的局限性在于有限样本和计算单元情况下对复杂函数的表示能力有限，针对复杂分类问题其泛化能力受到一定制约，而电压暂降实际波形易受外界因素影响这使得浅层机器模型的暂降源辨识能力在准确度上仍有所欠缺。

针对以上问题，一种不过度依赖专家经验进行特征提取、能够良好地适应现代电网复杂环境、识别效率更高、识别正确率更高的电压暂降源识别方法是亟需解决的问题。

发明内容

技术问题：本发明针对现阶段电压暂降源识别方面研究的不足，提出了一种基于DBN的电压暂降特征提取与暂降源辨识方法。本发明所阐述的辨识方法充分利用DBN特征提取能力，将人工设定特征提取转变为自动生成特征提取，集特征提取器与分类器于一体，既解决了人工提取特征过度依赖专家经验，受未知特征影响较大不具备一般性的问题，又精简了暂降源辨识模型的结构框架，提高暂降源辨识效率，应用价值和前景巨大。

技术方案：为实现上述目的，本发明所采用的技术方案具体为：。

一种基于DBN的电压暂降特征提取与暂降源辨识方法，具体包括如下步骤：

步骤一，数据获取：采集由各种短路故障、变压器投切及电动机启动引起的电压暂降数据；

步骤二，数据预处理：将待匹配暂降波形进行滤波、消噪并提取凹陷域，统一时间序列长度，进行标准化计算，将所有暂降数据划分为训练集和测试集；